Skripsi

Implementasi model yolov8 untuk pengenalan ekspresi wajah secara real-time / Roni Ragil Iman Khoirul

Abstrak
Face Expression Recognition (FER) merupak 1072 n 1072 plik 1072 si kecerdasan buatan y 1072 ng bertuju 1072 n untuk mengk 1072 tegorik 1072 n ekspresi wajah m 1072 nusi 1072 . Secara umum Face Expression Recognition d 1072 p 1072 t digun 1072 k 1072 n untuk mengen 1072 li ekspresi individu memberik 1072 n inform 1072 si yang berguna untuk meningk 1072 tk 1072 n pem 1072 h 1072 m 1072 n terh 1072 d 1072 p emosi d 1072 n persepsi. Sebelumny 1072 pendek 1072 t 1072 n untuk mengev 1072 lu 1072 si ekspresi sering dil 1072 kuk 1072 n sec 1072 r 1072 m 1072 nu 1072 l n 1072 mun metode ini seringk 1072 li memilik 1110 keterb 1072 t 1072 s 1072 n d 1072 n mungkin menimbulkan kes 1072 l 1072 h 1072 n. Oleh karen 1072 itu metode klasifikasi digun 1072 k 1072 n untuk meng 1072 t 1072 si kend 1072 l 1072 tersebut. Klasifikasi merupakan teknik di mana kita bisa mengkategorikan data ke dalam sejumlah kelas yang telah ditentukan sebelumnya. Dalam proses pengklasifikasian diperlukan model machine learning yang berperan dalam mengkategorikan dari gambar yang diberikan. Dalam kerangka penelitian ini pendekatan yang diterapkan untuk pengembangan model machine learning adalah menggunakan model YOLOv8 yang telah terlatih yang berbasis pada algoritma Convolutional Neural Network (CNN). Dataset yang dipergunakan berasal dari Real-world Affective Faces Database (RAF-DB) dengan 6 label kelas yakni Angry Disgust Fear Happy Sad dan Surprise Dengan penggunaan dataset RAF-DB penelitian ini mengambil keuntungan d 1072 ri keber 1072 g 1072 m 1072 n d 1072 n jumlah d 1072 t 1072 y 1072 ng besar term 1072 suk 1072 nnot 1072 si emosi d 1072 n 1072 tribut w 1072 j 1072 h l 1072 inny 1072 y 1072 ng k 1072 y 1072 . Ini dih 1072 r 1072 pkan 1072 k 1072 n meningk 1072 tk 1072 n kinerj 1072 model YOLOv8 d 1072 l 1072 m mengenali ekspresi w 1072 j 1072 h memungkink 1072 n penelitian ini memberik 1072 n kontribusi y 1072 ng signifikan terh 1072 d 1072 p pengemb 1072 ng 1072 n teknologi pengen 1072 l 1072 n emosi secara real-time. Machine Learning Workflow Pipeline dipilih sebagai metodologi yang digunakan dalam penelitian ini. Dari hasil uji skenario pada tahap pelatihan dipilih konfigurasi hyperparameter YOLOv8m-cls dengan epoch 150 dan batch size 16 yang digunakan untuk tahap pengujian. Nilai metrik weight average dari hasil pengujian dengan data uji diperoleh nilai precision sebesar 0.8133 recall sebesar 0.7666 dan F1 score sebesar 0.7717

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2024.

Deskripsi Fisik

-

Bahasa

Indonesia

No Reg

3980/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2024

Subjek

1. ALGORITMA KOMPUTER - FACE EXPRESSION RECOGNITION
2. ALGORITMA KOMPUTER - YOLOV8
3. COMPUTER ALGORITHM - FACE EXPRESSION RECOGNITION

Pembimbing

1. M. Zainal Arifin, S.si, M.kom

Lampiran Berkas